有能力约束回收车辆路径问题的食物链算法

介绍了有能力约束逆向物流回收车辆路径问题,设计了求解有能力约束逆向物流回收车辆路径问题的食物链算法;选取文献典型算例进行了仿真求解及比较分析,结果表明设计的食物链算法性能优于遗传算法、粒子群算法和量子进化算法。

有能力约束车辆路径问题的量子进化算法

针对有能力约束车辆路径问题,构造一种具有量子旋转门和灾变操作的量子进化算法.算法采用0-1矩阵编码方式,通过量子旋转门实现进化,引入灾变操作保证解空间的多样性,采用最邻近插入法结合2-Opt法再优化线路内次序.选取基准实例进行实验仿真,通过与文献中其它算法进行性能比较,表明文中提出的量子进化算法是一个有效求解有能力约束车辆问题的方法.

求解大规模CVRP问题的快速贪婪算法

为求解大规模具有能力约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP),提出了一种快速改进贪婪算法CVRP-IMGR。基于贪婪算法思想设计了求解CVRP问题的贪婪算法CVRP-GR,在此基础上进一步采用K-d tree法和Held Karp模型改进了CVRP-GR的求解速度和求解质量,从而得到CVRP-IMGR。CVRPIMGR的复杂度可以达到O(nlogn),能够快速求解大规模(顾客数量大于500)CVRP问题。为验证CVRP-IMGR的有效性,分别采用CVRP-GR、CVRP-IMGR和经典构建型算法Savings求解了当前24个最大规模的CVRP算例,结果表明:CVRP-IMGR的求解速度远快于复杂度为O(n2logn)的CVRP-GR和Savings;CVRP-IMGR对所有算例的求解质量优于CVRP-GR,并且对18个算例的求解质量优于Savings。

一体化炼钢炉次计划模型与算法

根据一体化钢铁生产模式需求,考虑客户需求柔性化的特点,首先描述炉次计划及其一体化工艺约束,然后建立了多目标一体化炉次计划优化模型,针对模型设计了两阶段启发式算法,第一阶段提出了基于规则的分组策略,第二阶段提出了概率匹配法。最后,对比分析两阶段启发式算法与人工编制方法处理某钢厂实际生产数据结果表明,所提出的模型和算法具有良好的有效性。

面向不同目标偏好的CVRP多目标模型及其求解方法

为了更有效地求解车辆路径问题、全方位地评估物流运输成本,提出了面向不同目标偏好的车载能力约束车辆路径问题的多目标优化模型(MOCVRPFDTP),其包括三种不同的偏好结构:装载与CVRP联合优化、绝对最小车辆数偏好及路径优化偏好。为了求解该模型,设计了算法架构及具体算法。在实验中,该模型及其求解方法对CVRP国际标准算例VRPLIB的测试结果显示了令人满意的性能,并且它更适用于实际CVRP问题的求解。